开云体育官方,开云体育app,开云app下载,开云棋牌,开云直播,开云体育靠谱吗,开云体育和亚博,开云体育老板是谁,开云官网,开云体育,开云直播英超,开云电竞,开云游戏,开云,开云体育官网,开云体育官方网站, 开云app, kaiyun sports, 开云体育简介, 开云体育官方平台, 世界杯开云, 开云体育app下载, 开云体育网址, 开云体育2025

　　光轮智能技术生态负责人甘宇飞介绍，大模型开发依赖的是二三十年里所有互联网数据，自动驾驶发展了十几年，积累了大量真实数据，但具身智能的兴起只有几年时间，积累的数据量远远无法支撑机器人的复杂行动。目前大语言模型的数据量是PB级规模，自动驾驶的数据量在百PB级规模。“自动驾驶本质上是一种特殊的具身智能，但具身智能不仅仅有驾驶场景，它还有诸如商超、居家、工厂、实验室等场景，每个场景单拎出来都需要自动驾驶这么大规模的数据，所以具身智能所需要的数据量相对于自动驾驶的百PB级又要更上一层。”

　　邓振华表示，目前企业、高校、科研机构都在探索机器人软硬件的不同技术路线，但当前场景落地仍然不成熟，硬件成本、效率、工程化都面临挑战，机器人本体的散热、轻量化、负载、寿命、精度、运动控制路径等方面仍有较大提升空间，一些机器人进工厂时，由于负载能力不足，往往只能选择一些负载较轻的工位。他迫切希望机器人能落地防尘防爆、高温高湿等特殊场景，这对机器人硬件和算法提出了更高的要求。同时，机器人的小试、中试依托于原有产业遗留下来的工业设备，未来这些生产和测试设备也需要快速迭代升级。

　　当前，机器人软硬件行业标准也没有完全明确。甘宇飞表示，底层算力、模型训练、数据采集、通用场景搭建等方面都需要尽快制定标准。尤其是数据采集，相对于自动驾驶，具身智能的数据适配难度是陡增的。具身智能的本体有机械狗、机器人等不同形态，单就人形机器人而言，也有双足、轮式、双臂、单臂等形态。“每一种机器人之间的数据不一样，并且短期内可能主要是人形机器人，长期来看可能会针对一些特定任务做定制化，那时数据量又是很大的规模。”甘宇飞提到，目前机器人种类多样，每家每户都在采集数据，“但A公司采集的数据并不能给B公司用，B公司部署的模型也不能用在C公司的本体，这里面有非常多的浪费，所以要制定行业标准，提高资源利用效率。”